생명과학분야 학술정보 온라인 세미나!
BRIC은 생명과학분야 연구자들의 학술정보 교류에 적극적으로 참가하실 학술웨비나 발표연사를 모십니다.
웨비나
>
학술 웨비나
학술웨비나 개최예정
저선량 CT 노이즈 제거를 위한 멀티태스크 학습을 통한 강력한 판별자를 갖춘 생성적 적대적 네트워크 [IEEE Trans. Med. Imaging]
- 2025년 02월 04일 (화) 오전 10시
- 경성구(서울아산병원)
- 발표 30분 / 토론, 질의응답 10분 / 한국어 발표
- PDF (288 KB)
개요
컴퓨터단층촬영(CT)에서 방사선량 감소는 2차 암 발생 위험을 줄이기 위해 필수적이지만, 저선량 CT(LDCT) 이미지는 노이즈 증가로 인해 진단 정확도에 부정적 영향을 미칠 수 있습니다. 이를 해결하기 위해 다양한 딥러닝 기반 LDCT 노이즈 제거 알고리즘이 개발되었으나, 시각적 불일치, 다양한 평가 지표에서의 성능 부족, 다른 CT 도메인에서의 네트워크 강건성 부족 등 여러 문제가 여전히 존재합니다. 본 연구에서는 이러한 문제를 해결하기 위해 세 가지 새로운 접근법을 제안합니다. 첫째, 복원, 이미지 레벨, 픽셀 레벨 세 가지 시각 작업을 동시에 수행하는 멀티태스크 학습 기반의 강화된 판별기를 가진 생성적 적대 신경망(GAN)을 제안합니다. 둘째, 복원 일관성(RC)과 비차이 억제(NDS)라는 두 가지 규제 메커니즘을 도입해 GAN 훈련을 효과적으로 지원합니다. 셋째, 주파수 및 공간 표현을 활용하기 위해 잔여 고속 푸리에 변환(Res-FFT-Conv) 블록을 생성기에 통합하여 혼합 수용영역을 제공합니다. 본 모델은 두 가지 노이즈 제거 작업에서 다양한 평가 지표와 방사선 전문의의 시각적 평가를 통해 검증되었으며, 최신 기법 대비 우수한 성능을 입증했습니다.
#Low-dose CT denoising
#Generative adversarial network
#Multi-task learning
관련논문
IEEE Trans. Med. Imaging , Aug 26 2024, PP | https://doi.org/10.1109/TMI.2024.3449647
Generative Adversarial Network with Robust Discriminator Through Multi-Task Learning for Low-Dose CT Denoising
진행안내
- Webinar 접속경로는 참석을 접수하신 분들에게 개최 1~2일전 메일 또는 당일 카카오톡을 통해 개별적으로 안내해 드립니다.
- 접속은 웨비나 시작 30분 전부터 가능합니다. BRIC에서 개설을 하여야 접속이 가능합니다.
- 개최 하루 전까지 메일을 받지 못한 분은 문의 바랍니다.
개인정보 수집 및 이용 동의 (필수)
팝업 닫기
